基于貝葉斯方法、分位數(shù)回歸和人工神經(jīng)網(wǎng)絡模型的黃鰭金槍魚漁情預報模型比較.pdf

1、黃鰭金槍魚(Thunnus albacares)是金槍魚漁業(yè)的捕撈對象之一，由于其產(chǎn)量和經(jīng)濟食用價值都明顯高于其它金槍魚和類金槍魚，所以世界各國對黃鰭金槍魚的開發(fā)和利用都極其重視，我國也將其作為遠洋漁業(yè)重點開發(fā)的對象。因此研究黃鰭金槍魚的可持續(xù)、有效的開發(fā)利用，進一步掌握其資源分布豐度、生活習性和種群時間空間分布狀況，是我國乃至世界目前金槍魚漁業(yè)研究工作者的重要研究課題之一。黃鰭金槍魚漁情預報模型的建立需要由大量科學而精確的海洋環(huán)境數(shù)據(jù)

2、與對應的漁獲數(shù)據(jù)作為建模的先決條件。
　　本文建模所用的海洋環(huán)境數(shù)據(jù)為2016年中西太平洋馬紹爾海域海表面溫度（SST）、海表面高度（SSH）、初級生產(chǎn)力（PHL），漁獲數(shù)據(jù)為在一定的地理單元里與環(huán)境數(shù)據(jù)對應的每艘船的作業(yè)時間和作業(yè)位置、每尾黃鰭金槍魚的漁獲位置及漁獲漁船當天投放釣鉤的數(shù)量，通過這些數(shù)據(jù)得出名義捕撈努力量（尾/千鉤），其中海洋環(huán)境數(shù)據(jù)和漁獲數(shù)據(jù)的空間分辨率為0.25°×0.25°，時間分辨率為天。應用貝葉斯分析方法

3、（BA）、分位數(shù)回歸模型（QRM）和人工神經(jīng)網(wǎng)絡（ANNS）這三種模型建立相應的黃鰭金槍魚的漁情預報模型，貝葉斯預測模型得到的是地理單元預測漁場存在概率，而分位數(shù)回歸和人工神經(jīng)網(wǎng)絡得到的是預測單位捕撈努力量漁獲量（CPUE），將三種模型得到的預測結果分別和實際結果用泊松相關系數(shù)、秩( Wilcoxon)檢驗方法和有效性指數(shù) EF值這三個指標作為模型能力的評價標準比對這三種模型對黃鰭金槍魚漁場的預測能力，并分別計算三種模型的棲息地綜合指數(shù)

4、，分析各個模型在黃鰭金槍魚漁情預報能力方面的表現(xiàn)和預測的優(yōu)劣勢，得到各個模型影響最大的相關因子，并確立相對最優(yōu)模型。
　　結果表明：
　　1）基于三種預測模型所得的黃鰭金槍魚漁情預報結果各不相同，分位數(shù)回歸的預測能力稍強于人工神經(jīng)網(wǎng)絡，特別是在一些高值區(qū)域表現(xiàn)要明顯優(yōu)于人工神經(jīng)網(wǎng)絡，而貝葉斯模型的預測能力最差。
　　2）通過貝葉斯、分位數(shù)回歸和人工神經(jīng)網(wǎng)絡模型所得黃鰭金槍魚棲息地綜合指數(shù)較高的海域分別為0o00′~4o

5、00′N，150o00′E~165o00′E、2o00′N~9o00′N，153o00′E~165o00′E、1o00′N~7o00′N，152o30′E~165o30′E。三種模型的高值海域各不相同，但均包含2o00′N~4o00′N，153o00′E~165o00′E。
　　3)把110個驗證格網(wǎng)（總數(shù)據(jù)的14.3％）的海洋環(huán)境數(shù)據(jù)作為驗證數(shù)據(jù)導入三種模型分別得到預測漁場存在概率（貝葉斯模型）和預測 CPUE（分位數(shù)回歸、人工

6、神經(jīng)網(wǎng)絡模型），通過符號秩( Wilcoxon)檢驗，得到的預測結果與實際結果的相關性比較得出模型的預報效果從優(yōu)到劣的順序為：分位數(shù)回歸模型、人工神經(jīng)網(wǎng)絡模型、貝葉斯模型；用EF值相關性分析得到預報效果從優(yōu)到劣的順序為：貝葉斯模型、分位數(shù)回歸模型、人工神經(jīng)網(wǎng)絡模型。
　　4）三種模型得到的最強相關因子也不相同，貝葉斯模型相關性最強的環(huán)境因子為海表面溫度，分位數(shù)回歸模型則為初級生產(chǎn)力、海表水溫、海面高度及其交互項，而人工神經(jīng)網(wǎng)絡得出

7、的是海表面高度和月份。
　　5）不同模型應用方面的優(yōu)缺點也各不相同。本文得出分位數(shù)回歸模型其預測效果最佳，適用于關鍵環(huán)境因子的選取，缺點是如果環(huán)境因子間相關性太差，最后得到的分位數(shù)回歸方程對環(huán)境因子的舍棄太多；人工神經(jīng)網(wǎng)絡模型適用于多環(huán)境因子情況下的建模，但是只能得到預測值，得不到關系方程，并不能得到環(huán)境因子的影響和權重；而基于貝葉斯方法構建的模型則更適用于中心漁場空間出現(xiàn)概率的預測，對一些高值區(qū)域的預報能力較差，預報結果相對平均